期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于多尺度改进深度残差收缩网络的滚动轴承寿命状态识别
1
作者 陈仁祥 张雁峰 +3 位作者 杨黎霞 梁栋 李嘉琳 闫凯波 《振动与冲击》 北大核心 2025年第7期217-224,共8页
针对背景噪声和不同工况下单一尺度模型特征提取能力有限,引起滚动轴承寿命状态识别率下降的问题,提出基于多尺度改进深度残差收缩网络(multi scale-improved deep residual shrinkage network,MS-IDRSN)的滚动轴承寿命状态识别方法。首... 针对背景噪声和不同工况下单一尺度模型特征提取能力有限,引起滚动轴承寿命状态识别率下降的问题,提出基于多尺度改进深度残差收缩网络(multi scale-improved deep residual shrinkage network,MS-IDRSN)的滚动轴承寿命状态识别方法。首先,在深度残差收缩单元中引入改进的阈值函数提升网络的抗噪性能,并减小降噪过程中的寿命状态信息丢失;然后,采用不同卷积核尺寸的深度残差收缩单元构建特征提取器,避免单一尺度感受野引起在不同工况下的特征提取能力下降。最后,利用最大均值差异损失适配源域与目标域特征的特征分布,通过Softmax分类器实现在不同工况的轴承寿命状态识别。在PRONOSTIA数据集和自测轴承数据集上验证了所提方法的可行性和有效性,结果表明所提方法具有较好的抗噪性能和泛化性能,在考虑背景噪声和不同工况条件下相比对比方法的寿命状态识别率提升7.6%~46.5%。 展开更多
关键词 滚动轴承 寿命状态识别 阈值函数 多尺度特征 深度残差收缩网络
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部